zoukankan      html  css  js  c++  java
  • Python爬取猫眼top100排行榜数据【含多线程】

    
    
    # -*- coding: utf-8 -*-
    import requests
    from multiprocessing import Pool
    from requests.exceptions import RequestException
    import re
    import json
    
    
    def get_one_page(url):
        """
        爬取每个页面
        :param url: 爬取url地址
        :return: 返回网页内容
        """
        try:
            response = requests.get(url)
            if response.status_code == 200:
                return response.text
            return None
        except RequestException:
            return None
    
    
    def parse_one_page(html):
        """
        处理筛选网页内容中需要的信息
        :param html: 网页内容
        :return: 字典
        """
        pattern = re.compile('<dd>.*?board-index.*?>(d+)</i>.*?data-src="(.*?)".*?name"><a'
                             + '.*?>(.*?)</a>.*?star">(.*?)</p>.*?releasetime">(.*?)</p>'
                             + '.*?integer">(.*?)</i>.*?fraction">(.*?)</i>.*?</dd>', re.S)
        items = re.findall(pattern, html)
        for item in items:
            yield {
                'index': item[0],
                'image': item[1],
                'title': item[2],
                'actor': item[3].strip()[3:],
                'time':  item[4].strip()[5:],
                'score': item[5]+item[6]
            }
    
    
    def write_to_file(content):
        """
        将结果数据写入文件
        :param content: 需要写入文件的内容
        :return: 
        """
        with open('result.txt', 'a', encoding='utf-8') as f:
            f.write(json.dumps(content, ensure_ascii=False) + "
    ")
            f.close()
    
    
    def main(offset):
        """
        主函数
        :param offset: offset值,用于构造url
        :return: 
        """
        url = "http://maoyan.com/board/4?offset=" + str(offset)
        html = get_one_page(url)
        parse_one_page(html)
        for item in parse_one_page(html):
            print(item)
            write_to_file(item)
    
    if __name__ == '__main__':
        # for i in range(10):
        #     main(i*10)
        pool = Pool()
        pool.map(main, [i*10 for i in range(10)])

    【来自天善智能】:https://edu.hellobi.com/course/156/play/lesson/2453

    崔大师的代码看着就是舒服。。。。

  • 相关阅读:
    ResponsibleChain(责任链模式)
    IteratorPattern(迭代子模式)
    为什么抽象类不能实例化却有构造方法
    ObserverPattern(观察者模式)
    TemplateMethod(模块方法模式)
    java 定义一个同步map内存去重法
    oracle sql修改序列为当前序列开始
    oracle sql 当初始化数据时避免重复主键
    搭建基于express框架运行环境
    vue路由基础介绍
  • 原文地址:https://www.cnblogs.com/zhzhang/p/7327115.html
Copyright © 2011-2022 走看看